Google sheets တွင် t-test များကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

ယေဘူယျအားဖြင့် t-test အမျိုးအစားသုံးမျိုးရှိသည်။

• နမူနာ t စမ်းသပ်မှု
• နမူနာ T-test နှစ်ခု
• တွဲထားသော နမူနာများ t-test

ဤသင်ခန်းစာသည် Google Sheets တွင် ဤစမ်းသပ်မှုတစ်ခုစီကို မည်သို့လုပ်ဆောင်ရမည်ကို ဥပမာပေးထားသည်။

ဥပမာ- နမူနာ t-test တစ်ခု

အဓိပ္ပါယ်ဖွင့်ဆိုချက်- နမူနာတစ်ခု t-test ကို လူဦးရေ၏ပျမ်းမျှတန်ဖိုးသည် အချို့သောတန်ဖိုးနှင့် ညီမျှခြင်းရှိ၊မရှိ စမ်းသပ်ရန်အသုံးပြုသည်။

ဥပမာ- ရုက္ခဗေဒပညာရှင်တစ်ဦးသည် အပင်မျိုးစိတ်များ၏ ပျမ်းမျှအမြင့်သည် 15 လက်မနှင့် ညီမျှခြင်းရှိမရှိ သိလိုပါသည်။ သူမသည် အပင် ၁၂ ပင်၏ ကျပန်းနမူနာကို ယူကာ ၎င်းတို့၏ အမြင့်တစ်ခုစီကို လက်မဖြင့် မှတ်တမ်းတင်သည်။

အောက်ဖော်ပြပါ ဖန်သားပြင်ဓာတ်ပုံသည် ပျမ်းမျှလူဦးရေ၏ အရပ်အမြင့်သည် 15 လက်မနှင့် ညီမျှခြင်းရှိမရှိ ဆုံးဖြတ်ရန် နမူနာတစ်ခု t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

နမူနာတစ်ခုပေါ်ရှိ ဤ t-test အတွက် ယူဆချက်နှစ်ခုမှာ အောက်ပါအတိုင်းဖြစ်သည်။

H ₀ : µ = 15 (ဤအပင်မျိုးစိတ်၏ပျမ်းမျှအမြင့်မှာ 15 လက်မ)

H _A : µ ≠15 (ပျမ်းမျှ အမြင့် 15 လက်မ)

ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.120145) သည် alpha = 0.05 ထက်ကြီးသောကြောင့်၊ စာမေးပွဲ၏ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဒီအပင်မျိုးစိတ်တွေရဲ့ ပျမ်းမျှအမြင့်က 15လက်မကလွဲလို့ တခြားဘယ်အရာကိုမှ ပြောဖို့ လုံလောက်တဲ့အထောက်အထား မရှိပါဘူး။

ဥပမာ- နမူနာ t-test နှစ်ခု

အဓိပ္ပါယ်ဖွင့်ဆိုချက်- လူနှစ်ဦး၏နည်းလမ်းများသည် တူညီသည်ဖြစ်စေ မညီမျှခြင်းရှိ၊ မရှိ စမ်းသပ်ရန်အတွက် နမူနာနှစ်ခု t-test ကို အသုံးပြုသည်။

ဥပမာ- သတ်မှတ်ထားသောနိုင်ငံရှိ မတူညီသောအပင်မျိုးစိတ်နှစ်ခုသည် ပျမ်းမျှအမြင့် တူညီခြင်းရှိမရှိ သုတေသီများ သိလိုကြသည်။ ၎င်းတို့သည် မျိုးစိတ်တစ်ခုစီမှ အပင် 20 ၏ ကျပန်းနမူနာကို စုဆောင်းပြီး အပင်တစ်ပင်၏အမြင့်ကို လက်မဖြင့် မှတ်တမ်းတင်သည်။

အောက်ဖော်ပြပါ ဖန်သားပြင်ဓာတ်ပုံတွင် လူနှစ်ဦး၏ ပျမ်းမျှအမြင့်သည် ညီမျှခြင်းရှိမရှိ ဆုံးဖြတ်ရန် T.TEST() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ နမူနာနှစ်ခု t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

မှတ်ချက်- နမူနာနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟူသော ယူဆချက်ဖြင့် သို့မဟုတ် အမြီးတစ်ပိုင်း t-test ကို လုပ်ဆောင်ရန်လည်း ဖြစ်နိုင်သည်။ စမ်းသပ်မှုယူဆချက်များကို ချိန်ညှိပုံကိုကြည့်ရန် T.TEST စာရွက်စာတမ်း ကို ကိုးကားပါ။

ဤနမူနာနှစ်ခု t-test အတွက် ယူဆချက်နှစ်ခုမှာ-

H ₀ : μ ₁ = μ ₂ (လူဦးရေ နှစ်ခုသည် တူညီသည်)

H ₁ : μ ₁ ≠ μ ₂ (လူဦးရေ နှစ်ခု အဓိပ္ပါယ်မှာ မညီမျှခြင်း)

ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.530047) သည် alpha = 0.05 ထက်ကြီးသောကြောင့်၊ ကျွန်ုပ်တို့သည် စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဒီအပင်မျိုးစိတ်တွေရဲ့ ပျမ်းမျှအမြင့်က 15လက်မကလွဲလို့ တခြားဘယ်အရာကိုမှ ပြောဖို့ လုံလောက်တဲ့အထောက်အထား မရှိပါဘူး။

ဥပမာ- တွဲထားသော နမူနာများ t-test

အဓိပ္ပာယ်ဖွင့်ဆိုချက် – နမူနာတစ်ခုမှ ရှုမြင်မှုတစ်ခုစီမှ အခြားနမူနာတစ်ခုမှ စူးစမ်းလေ့လာမှုတစ်ခုနှင့် ဆက်စပ်နိုင်သောအခါ နမူနာနှစ်ခု၏နည်းလမ်းကို နှိုင်းယှဉ်ရန် တွဲထားသောနမူနာ ကို အသုံးပြုပါသည်။

ဥပမာ- လေ့လာမှုတစ်ခုသည် စာမေးပွဲတစ်ခုတွင် ကျောင်းသားများ၏ စွမ်းဆောင်ရည်အပေါ် သိသာထင်ရှားသော အကျိုးသက်ရောက်မှုရှိမရှိ သိလိုပါသည်။ ဒါကို စမ်းသပ်ဖို့အတွက် အတန်းတစ်ခန်းမှာ ကျောင်းသား အယောက် ၂၀ ကို အကြိုစာမေးပွဲ ဖြေခိုင်းပါတယ်။ ထို့နောက် ကျွန်ုပ်တို့သည် ကျောင်းသားတစ်ဦးစီကို နှစ်ပတ်ကြာ သင်ရိုးညွှန်းတမ်းတွင် ပါဝင်စေပါသည်။ ထို့နောက် ကျောင်းသားများသည် အလားတူအခက် အခဲများကို ဖြေဆိုကြရသည်။

အောက်ဖော်ပြပါ ဖန်သားပြင်ဓာတ်ပုံသည် ပထမနှင့် ဒုတိယစမ်းသပ်မှု၏ ပျမ်းမျှရမှတ်များအကြား ကွာခြားချက်ကို နှိုင်းယှဉ်ရန် တွဲထားသော နမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

မှတ်ချက်- နမူနာနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟူသော ယူဆချက်ဖြင့် သို့မဟုတ် အမြီးတစ်ပိုင်း t-test ကို လုပ်ဆောင်ရန်လည်း ဖြစ်နိုင်သည်။ စမ်းသပ်မှုယူဆချက်များကို ချိန်ညှိပုံကိုကြည့်ရန် T.TEST စာရွက်စာတမ်း ကို ကိုးကားပါ။

ဤတွဲစပ်နမူနာ t-test အတွက် ယူဆချက်နှစ်ခုမှာ-

H ₀ : μ ₁ = μ ₂ (လူဦးရေ နှစ်ခုသည် တူညီသည်)

H ₁ : μ ₁ ≠ μ ₂ (လူဦးရေ နှစ်ခု အဓိပ္ပါယ်မှာ မညီမျှခြင်း)

ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.011907) သည် alpha = 0.05 ထက်နည်းသောကြောင့်၊ စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်ပါသည်။ အကြိုစာမေးပွဲနှင့် စာမေးပွဲအပြီး ပျမ်းမျှရမှတ်တို့ကြားတွင် ကိန်းဂဏန်းအချက်အလတ်များ သိသာထင်ရှားစွာ ခြားနားချက်ရှိသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။